| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容和组织结构 | 第15-16页 |
| 第二章 目标检测和跟踪相关理论介绍 | 第16-30页 |
| 2.1 运动目标检测常用算法 | 第16-19页 |
| 2.1.1 基于视频图像的目标检测方法 | 第16-18页 |
| 2.1.2 基于静态图像的目标检测方法 | 第18-19页 |
| 2.2 运动目标跟踪常用算法 | 第19-21页 |
| 2.2.1 基于匹配的目标跟踪方法 | 第19-21页 |
| 2.2.2 基于检测的目标跟踪方法 | 第21页 |
| 2.3 关键技术介绍 | 第21-29页 |
| 2.3.1 特征提取 | 第21-25页 |
| 2.3.2 可变形部件模型 | 第25-26页 |
| 2.3.3 网络流跟踪算法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于超像素分割的级联DPM目标检测算法 | 第30-52页 |
| 3.1 级联可变形模型检测算法 | 第30-32页 |
| 3.1.1 级联可变形部件模型概述 | 第30-31页 |
| 3.1.2 级联可变形部件模型检测算法存在的问题 | 第31-32页 |
| 3.2 改进的级联可变形部件模型检测算法 | 第32-38页 |
| 3.2.1 改进的级联可变形部件模型检测算法总体框架 | 第32-33页 |
| 3.2.2 基于超像素的特征分割 | 第33-36页 |
| 3.2.3 融合相邻区域信息的假设裁剪 | 第36-38页 |
| 3.3 算法集成步骤 | 第38-43页 |
| 3.3.1 可变形部件模型简化 | 第39-40页 |
| 3.3.2 计算裁剪阈值 | 第40-42页 |
| 3.3.3 模型匹配及后续处理 | 第42-43页 |
| 3.4 实验结果分析 | 第43-51页 |
| 3.4.1 实验设置 | 第43-44页 |
| 3.4.2 实验效果与分析 | 第44-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于动力学模型的网络流目标跟踪算法 | 第52-72页 |
| 4.1 网络流目标跟踪算法 | 第52-53页 |
| 4.1.1 网络流目标跟踪算法概述 | 第52-53页 |
| 4.1.2 传统网络流跟踪算法存在的问题 | 第53页 |
| 4.2 改进的网络流目标跟踪算法 | 第53-61页 |
| 4.2.1 改进的网络流目标跟踪算法总体框架 | 第53-54页 |
| 4.2.2 基于特征度量学习的目标关联 | 第54-57页 |
| 4.2.3 基于动力学模型的跟踪片段相似性度量 | 第57-61页 |
| 4.3 算法集成步骤 | 第61-63页 |
| 4.3.1 跟踪片段获取与相似性计算 | 第61页 |
| 4.3.2 网络流图构建与求解 | 第61-63页 |
| 4.4 实验结果分析 | 第63-71页 |
| 4.4.1 实验设置 | 第63-64页 |
| 4.4.2 实验效果与分析 | 第64-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 系统设计与实现 | 第72-83页 |
| 5.1 系统开发环境与运行环境 | 第72-74页 |
| 5.1.1 开发环境 | 第72页 |
| 5.1.2 OpenCV | 第72-73页 |
| 5.1.3 MFC | 第73-74页 |
| 5.2 系统框架 | 第74页 |
| 5.3 系统模块及功能分析 | 第74-82页 |
| 5.3.1 数据输入模块 | 第75-76页 |
| 5.3.2 目标检测模块 | 第76-79页 |
| 5.3.3 目标跟踪模块 | 第79-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间取得的成果 | 第91-92页 |
| 附录 | 第92-95页 |